項陽++李君軼++陳宏飛

摘要：通過改進的CASA模型對神東礦區(qū)植被NPP（植被凈初級生產力）進行估算，研究該礦區(qū)整體植被變化。分析了大柳塔、補連塔、榆家梁等3個礦井植被變化情況；并對礦區(qū)采區(qū)與非采區(qū)的植被生長狀況進行對比研究；采用差值法，定量地確定礦井所在地自然地貌因素和采礦活動因素對植被NPP的影響并研究其影響程度。結果表明，不同空間尺度下神東礦區(qū)植被NPP和各個礦井地區(qū)植被生長狀況均出現惡化的趨勢，各個礦井惡化程度不同。不同地貌單元的礦區(qū)開采對植被NPP影響程度不同。不同礦井的不同植被類型受自然地貌和人為煤炭開采的影響各不相同。

關鍵詞：NPP；礦區(qū)；植被；CASA模型

中圖分類號：TP79；Q948.11 文獻標識碼：A 文章編號：0439-8114（2017）10-1843-04

DOI：10.14088/j.cnki.issn0439-8114.2017.10.011

Research on Vegetation NPP Changes by CASA Model in Shendong Mining Area

XIANG Yang， LI Jun-yi， CHEN Hong-fei

（College of Tourism and Environment，Shaanxi Normal University， Xian 710100，China）

Abstract：Based on improved CASA model， the NPP（the net primary productivity） of vegetation in Shendong mining area was estimated to study the vegetation changes as a whole. The mine vegetation changes was analyzed in Daliuta， Bulianta and Yujialiang. A comparative study on vegetation growth between mining area and non-mining area was also carried out. At the same time， using the differential method， quantitatively measured the effects of terrain factors and mining activities on vegetation NPP and vegetation growth， so as to provide references for the policy making of protecting and managing the vegetation growth in mining area. The results showed that the growth status of vegetation NPP in Shendong mining area and vegetation NPP in different mines under different spatial scales was deteriorated， and the degree of deterioration of each mine was different. The degree of influence of mining in different landforms on vegetation NPP was different. Different types of vegetation in different mines were affected by natural geomorphology and anthropogenic coal.

Key words： NPP（the net primary productivity）； mining area； vegetation； CASA model

礦產資源開采對國民經濟的發(fā)展起至關重要的作用。一方面，礦產資源的開采促進了社會經濟的發(fā)展，但同時會對礦區(qū)的生態(tài)環(huán)境產生一定程度的破壞。隨著科學技術的進步，礦產資源開采與生態(tài)環(huán)境保護二者之間的矛盾是可以協(xié)調統(tǒng)一的[1]。植被是連接土壤、大氣和水分等土地覆蓋要素的自然“紐帶”，其動態(tài)變化在一定程度上指示著土地覆蓋的動態(tài)變化[2]。植被凈初級生產力（NPP）是植被生態(tài)系統(tǒng)的基本數據指標，其大小反映植被生長情況，間接反映植被在該地區(qū)的生長狀況[3]。

由于神東礦區(qū)（神府東勝礦區(qū)的簡稱）地理位置特殊，區(qū)內地貌類型多，因此通過對不同地貌區(qū)域的礦井進行研究可以分析礦區(qū)開采活動和地貌差異對植被生長的影響程度，為礦區(qū)植被生長保護與管理決策提供參考依據。

1 區(qū)域概況與研究方法

1.1 研究區(qū)概況

神東礦區(qū)是神府東勝礦區(qū)的簡稱，具體是指陜西省神木縣、府谷縣、內蒙古自治東勝市（現鄂爾多斯市）域內的礦區(qū)，現為中國最大的井工煤礦開采地，神東礦區(qū)東煤炭集團位于陜西省榆林市神木縣大柳塔鎮(zhèn)，與內蒙古伊金霍洛旗上灣鎮(zhèn)相鄰[4]。礦區(qū)屬于典型干旱半干旱大陸性季風氣候，表現為冬季嚴寒，夏季炎熱，冬春干旱多風沙，夏季多暴雨且集中。補連塔礦井、大柳塔礦井、榆家梁礦井從北到南位于神東礦區(qū)內。補連塔礦井位于內蒙古自治區(qū)伊克昭盟伊金霍洛旗境內，地貌特征表現為波狀沙地，沙丘起伏，相對水資源貧乏，植被稀疏[5，6]。大柳塔礦井屬于陜西省神木縣大柳塔鎮(zhèn)和活雞兔鎮(zhèn)，大柳塔礦井處于毛烏素沙地與黃土高原丘陵溝壑區(qū)的過渡地帶，該地區(qū)地表較厚松散覆蓋，為典型的生態(tài)脆弱區(qū)[7]。榆家梁礦井位于神東礦區(qū)地方煤礦開采區(qū)東南部，地貌單元屬黃土丘陵溝壑區(qū)，區(qū)內溝谷縱橫交錯，梁峁相間分布，植被稀少，水土流失嚴重[5]。

1.2 數據來源和處理

采用的數據為2007、2010、2011年神東礦區(qū)的Landsant5遙感影像，具體時間為2007年8月12日、2010年8月20日、2011年8月7日，影像均經過輻射校正和圖像配準，根據井上下對照圖確定采區(qū)、非采區(qū)邊界和礦區(qū)邊界來裁剪遙感圖像，并通過監(jiān)督分類所選取的土地覆蓋類型草地和耕地，分類精度在研究要求的范圍之內。

1.3 方法

CASA模型中的植被NPP是利用植被獲取太陽輻射，加上植物自身利用的情況，從而估算出植被凈生長狀況，這是CASA模型的基本思想。模型中所估算的NPP可以由植物吸收的光合有效輻射（APAR）和實際光能利用率兩個因子來表示[8]。

APAR取決于太陽輻射（SQL）和植被層對入射光合有效輻射的吸收比例（FPAR），朱文泉等[8]根據內蒙古地區(qū)植被條件研究估算了FPAR（NDVI）和FPAR（SR）。估算結果發(fā)現，采用NDVI估算的FPAR值高于實際測算值，而采用SR估算的FPAR值低于實際測算值。為了避免研究結果出現較大偏差，在研究過程中采用的FPAR估算值取FPAR（NDVI）和FPAR（SR）二者的平均值：

FPAR（x，t）=（FPARNDVI+FPARSR）/2 （1）

FPAR（x，t）表示像元x在t月植被層對入射光合有效輻射的吸收比例，表示通過NDVI和SR估算的FPAR。

在光能利用率的估算過程中，植被光利用率模型的構建過程如下。首先確定最大光能利用率，然后再根據不同的環(huán)境脅迫因子對最大光能利用率進行調整以確定最終的光利用率。Potter等[9]認為在理想條件下植被具有最大光能利用率[7]，而在現實條件下的最大光能利用率主要受溫度和水分的影響。月最大光能利用率的取值因不同的植被類型而有所不同，由于CASA模型所采用全球最大光能利用率0.389 gC對NPP的估算有很大影響，彭少麟等[10]利用GIS和RS估算了廣東植被光能利用率，研究發(fā)現CASA模型中所使用的全球植被最大光能利用率（0.389 gC）較廣東植被低，根據朱文泉等[8]對光利用率進行模擬來測算不同植被類型的光利用率取值，耕地、草地采用的光利用率取值均為0.542 gC。

由于CASA模型的時間分辨率為月，而遙感影像數據為即時獲取的瞬時數據，兩者在時間尺度上無法達到統(tǒng)一，這就使得植被NPP的估算結果會產生不同時間尺度上的誤差，但由此引發(fā)的誤差不可避免[3]。CASA模型是一種利用光能利用率模型，借助于遙感數據進行植被NPP估算的研究方法，此模型在測算植被對入射光合輻射的吸收比例（FPAR）時，對原有模型進行了改進，將由NDVI估算的FPAR和由SR估算的FPAR的算術平均數作為最后的FPAR。由于CASA模型的最大光能利用率不符合中國地區(qū)的植被生長情況，因此，本研究通過改進的CASA模型對神東礦區(qū)植被NPP（植被凈初級生產力）進行估算。

2 結果與分析

2.1 不同空間尺度下的植被NPP

2.1.1 神東礦區(qū)下植被NPP的研究 基于遙感數據，利用改進的CASA模型估算了2007、2010、2011年8月整個神東礦區(qū)草地和耕地植被NPP，結果見圖1。由圖1可知，耕地和草地的植被NPP總體發(fā)展趨勢大致可分為兩大階段：2007～2010年，耕地和草地的植被NPP均呈緩慢下降趨勢；2010～2011年，耕地和草地的植被NPP呈現快速下降狀態(tài)?？傮w而言，兩大階段耕地和草地植被NPP演化趨勢呈現高度相似性，即均呈現下降趨勢。整體植被生長狀況處于加速惡化的情況。

2.1.2 礦井下植被NPP 以補連塔、大柳塔、榆家粱3大礦井為例，利用改進的CASA模型估算了3大礦井2007、2010、2011年8月草地和耕地植被NPP，結果見圖2。由圖2可知，各個礦井間耕地和草地的生長狀況在時間序列上呈現出高度相似性。2010～2011年，植被NPP呈現出明顯的下降趨勢；2010年與2007年相比，植被NPP總體上略有下降，但補連塔耕地NPP、大柳塔草地NPP、榆家梁草地NPP略有上升?？傮w而言，植被NPP呈下降趨勢，這表明植被生長狀況在不斷惡化。

為了研究采礦活動對植被生長所造成的影響，對補連塔礦井采區(qū)和非采區(qū)范圍的耕地和草地植被NPP進行估算，結果見圖3。由圖3可知，采區(qū)的耕地和草地的植被NPP明顯小于非采區(qū)。具體來說，非采區(qū)的草地植被NPP比采區(qū)的草地植被NPP高8.07 gC/m3，非采區(qū)的耕地植被NPP比采區(qū)的耕地植被NPP高4.75 gC/m3。表明補連塔礦區(qū)的采礦活動已對植被生長產生了不利影響。

對大柳塔礦井采區(qū)和非采區(qū)的耕地和草地的植被NPP進行估算，結果見圖4。由圖4可知，總體而言，采區(qū)的耕地和草地植被NPP低于非采區(qū)。具體來說，采區(qū)的草地植被NPP略較非采區(qū)低0.42 gC/m3，采區(qū)的耕地植被NPP較非采區(qū)低5.87 gC/m3。表明非采區(qū)的耕地和草地植被8月生長狀況優(yōu)于采區(qū)的耕地和草地植被，尤以耕地較為明顯。由此說明大柳塔礦區(qū)開采活動不利于植被生長。

對榆家梁礦井采區(qū)與非采區(qū)范圍內的耕地和草地植被NPP進行估算，結果見圖5。由圖5可知，采區(qū)和非采區(qū)耕地及草地的植被NPP相差不大，但采區(qū)耕地和草地的植被NPP均小于非采區(qū)。具體而言，非采區(qū)的耕地植被NPP較采區(qū)高2.19 gC/m3，非采區(qū)的草地植被NPP較采區(qū)高0.72 gC/m3。由此表明，榆家梁礦井的采礦活動對植被生長的影響不明顯，黃土溝壑區(qū)里礦區(qū)開采對植被影響不大。

2.2 不同地貌礦井間植被NPP的比較

為了研究不同地貌單元的礦區(qū)開采活動對植被生長的影響程度，對耕地NPP差值和草地NPP差值定義如下：耕地NPP差值=非采區(qū)耕地的植被NPP-采區(qū)耕地的植被NPP；草地NPP差值=非采區(qū)草地的植被NPP-采區(qū)草地NPP。如果計算結果為正值，則說明礦區(qū)活動對植被生長有影響；計算結果為負值，則說明礦區(qū)活動對植被有促進作用。

補連塔礦井、大柳塔礦井和榆家梁礦井分別位于神東礦區(qū)北部和南部。補連塔地貌類型為波狀沙地，沙丘起伏；大柳塔為沙地與黃土高原丘陵溝壑區(qū)的過渡地帶；榆家梁地貌單元屬黃土丘陵溝壑區(qū)。3大礦井之間地貌差異比較明顯，因此可以認為不同礦井非采區(qū)的植被NPP之間的變化是由于自然地貌引起的，根據圖3～圖5不同礦井非采區(qū)同種植被之間的對比，不同礦井非采區(qū)植被NPP差值可以作為自然地貌因素對植被NPP的影響指數。選取榆家梁植被NPP作為研究標準，補連塔植被NPP/大柳塔植被NPP與榆家梁植被NPP做差值，分別得出補連塔植被NPP差值/大柳塔植被NPP差值。即大柳塔-榆家梁非采區(qū)的草地植被NPP差值為10.64 gC/m3，耕地NPP差值為10.61 gC/m3；補連塔-榆家梁非采區(qū)的草地植被NPP差值為5.86 gC/m3，耕地NPP差值為3.54 gC/m3。

同時，采用各礦井采區(qū)與非采區(qū)NPP差值作為該礦開采活動對植被的影響指數，即植被NPP差值越大，礦區(qū)活動對于植被生長狀況的影響也就越大（圖6）。在綜合考慮自然地貌和人為礦井開采對植被NPP影響的情況下，定量分析各個礦井間的植被NPP影響比重指數。

其中，i表示耕地/草地類型，x為所在礦井，A（x，i）表示為自然地貌對植被NPP的影響程度比重指數，B（x，i）為礦井開采對植被NPP的影響比重指數。C（x，i）為人為礦井開采對植被NPP的影響程度，即非采區(qū)植被的NPP減去采區(qū)植被的NPP，D（x，i）為自然地貌對植被NPP的影響程度，即榆家梁礦井地貌非采區(qū)植被NPP減去所研究的礦井非采區(qū)的植被NPP。本研究著重分析補連塔和大柳塔的自然地貌和人為開采活動對植被NPP影響程度。具體分析補連塔和榆家梁的自然地貌和人為開采活動對植被NPP的影響程度。

補連塔自然地貌相比榆家梁自然地貌耕地植被NPP影響D（補連塔，耕地）=3.54 gC/m3，補連塔人為開采對耕地植被NPP影響C（補連塔，耕地）=4.75 gC/m3，補連塔自然地貌對耕地植被NPP影響程度比重指數A（補連塔，耕地）=42.70%，補連塔礦井開采活動對耕地植被NPP影響程度比重指數B（補連塔，耕地）=57.30%。同樣算出補連塔自然地貌對草地植被NPP影響程度比重指數為42.07%，補連塔礦井開采活動對草地植被NPP影響程度比重指數為57.93%。

大柳塔自然地貌相比榆家梁對耕地植被NPP影響程度D（大柳塔，耕地）=10.61 gC/m3，大柳塔人為開采對耕地植被NPP影響C（大柳塔，耕地）=5.87 gC/m3，大柳塔自然地貌對耕地植被NPP影響程度比重指數A（大柳塔，耕地）=64.38%，大柳塔礦井開采活動對耕地植被NPP影響程度比重指數B（大柳塔，耕地）=35.62%。同樣算出大柳塔自然地貌對草地植被NPP影響程度比重指數為96.20%，大柳塔礦井開采活動對草地植被NPP影響程度比重指數為3.80%。

綜上所述，不同礦井的不同類型植被受自然地貌和煤炭開采的影響是不同的。開采活動對于補連塔耕地植被NPP和草地植被NPP的影響程度大于地貌因素的影響；對于大柳塔而言，耕地植被NPP受自然地貌的影響明顯大于開采活動所帶來的影響，且對草地植被NPP的影響占主導地位。

3 小結與討論

1）通過對不同尺度下的神東礦區(qū)植被NPP和各個礦區(qū)植被NPP的研究發(fā)現不同空間尺度下植被生長狀況均出現惡化的趨勢，各個礦井惡化程度不盡相同。

2）不同地貌單元的礦井開采對植被NPP影響程度不同。對大柳塔、補連塔、榆家梁的植被NPP研究發(fā)現，非采區(qū)耕地和草地植被NPP高于采區(qū)，說明礦井開采對植被NPP產生了一定程度的影響，但不同地貌單元的礦井開采對植被NPP影響程度不同。通過計算同一礦井采區(qū)與非采區(qū)植被NPP差值，并進行各個礦井間的縱向對比，發(fā)現位于沙丘沙地地貌的礦井開采對植被影響較大，位于黃土丘陵溝壑區(qū)地貌的礦井開采對植被影響較小。

3）自然地貌與礦井開采對植被NPP的影響研究。通過對自然地貌和礦井開采程度進行量化，并通過對比分析確定影響植被NPP變化的主要因素，發(fā)現不同礦井的不同植被類型受自然地貌和人為煤炭開采的影響各不相同。自然地貌和開采活動對于補連塔耕地和草地植被NPP的影響程度基本相當，但開采活動對于植被NPP的影響程度略大于地貌因素的影響；自然地貌對于大柳塔的耕地植被NPP的影響較大，且對草地植被NPP的影響占主導地位。

參考文獻：

[1] 隗合明，余明剛，周 軍，等.礦產資源與生態(tài)環(huán)境資源同步開發(fā)探討[J].中國地質災害與防治學報，2004，15（3）：73-77，82.

[2] 陳朝暉，朱 江，徐興奎.利用歸一化植被指數研究植被分類、面積估算和不確定性分析的進展[J].氣候與環(huán)境研究，2004，9（4）：687-696.

[3] 杜 紅.基于CASA模型的呼倫貝爾地區(qū)NPP估算研究[D].石家莊：河北師范大學，2010.

[4] 劉 巖.半干旱草地NPP遙感模型和環(huán)境響應研究[D].北京：中國科學院研究生院（遙感應用研究所），2006.

[5] 雷少剛.荒漠礦區(qū)關鍵環(huán)境要素的監(jiān)測與采動影響規(guī)律研究[D].北京：中國礦業(yè)大學，2009.

[6] 遲琳琳.神東采煤塌陷區(qū)造林技術研究[D].呼和浩特：內蒙古農業(yè)大學，2009.

[7] 徐友寧，吳 賢，陳華清.大柳塔煤礦地面塌陷區(qū)的生態(tài)地質環(huán)境效應分析[J].中國礦業(yè)，2008，17（3）：38-40，50.

[8] 朱文泉，潘耀忠，張錦水.中國陸地植被凈初級生產力遙感估算[J].植物生態(tài)學報，2007，31（3）：413-424.

[9] POTTER C S，RANDERSON J T，FIELD C B，et al. Terrestrial ecosystem production：A process model based on global satellite and surface data[J].Global Biogeochemical Cycles，1993，7（4）：811-841.

[10] 彭少麟，郭志華，王伯蓀.利用GIS和RS估算廣東植被光利用率[J].生態(tài)學報，2000，20（6）：903-909.